МЕТОД НЕЙРОМЕРЕЖЕВОГО ФОРМУВАННЯ РЕПРЕЗЕНТАТИВНИХ НЕДИСКРИМІНАЦІЙНИХ ТЕКСТОВИХ ДАТАСЕТІВ ЗГІДНО FATE-ПРИНЦИПУ СПРАВЕДЛИВОСТІ

Анотація

У статті запропоновано метод нейромережевого формування репрезентативних недискримінаційних текстових датасетів згідно FATE-принципу справедливості. Запропонований метод акцентує увагу на створенні збалансованих датасетів, які точно відображають демографічні групи, враховуючи етичні аспекти, такі як гендер, вік, релігія та етнічність. Метод полягає в ідентифікації та коригуванні дисбалансів у датасеті шляхом розв'язання оптимізаційної задачі, що обирає дані для видалення або аугментації таким чином, щоб кінцевий датасет залишався репрезентативним і неупередженим. Для оцінки ефективності цього підходу було розроблено програмне забезпечення, яке використовує моделі машинного навчання, зокрема SVM для класифікації за віковим аспектом, LSTM для гендерної класифікації та BERT для релігійної класифікації, всі з яких показали високі статистичні результати. Результати застосування цього методу показують, що після формування датасет став більш репрезентативним з точки зору справедливості за віковим та гендерним аспектами, з мінімальними відхиленнями (від 0.00% до 0.04%) від ідеального репрезентативного розподілу. Ці результати демонструють, що запропонований метод здатний ефективно аналізувати та формувати датасети, забезпечуючи їх відповідність стандартам справедливості за різними етичними категоріями. Крім того, цей підхід сприяє досягненню Цілей сталого розвитку, зокрема Цілі № 5 (гендерна рівність), Цілі № 10 (скорочення нерівності) та Цілі № 11 (сталий розвиток міст і громад). Забезпечення того, щоб датасети відображали різноманітне і інклюзивне представлення соціальних груп, сприяє створенню етичних та справедливих систем штучного інтелекту, що допомагає зменшити упередженість та дискримінацію в процесах прийняття рішень.